申请/专利权人:江苏省中医院
申请日:2023-10-17
公开(公告)日:2024-01-16
公开(公告)号:CN117407651A
主分类号:G06F18/00
分类号:G06F18/00;A61B5/00;A61B5/374;G06F18/10;G16H50/70;G06F18/2431;G06N3/047;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.02#实质审查的生效;2024.01.16#公开
摘要:本发明公开了一种基于稀疏深度信念网络的自动睡眠分期方法,包括以下步骤:步骤1,构建数据集;步骤2,对上述数据集中的脑电信号数据进行预处理;步骤3,基于上述预处理后的脑电信号数据,构建基于拉普拉斯函数的稀疏深度信念网络;步骤4,利用构建好的稀疏深度信念网络,实时对脑电信号数据进行分类,基于该分类完成睡眠分期判断;步骤5,评估所述稀疏深度信念网络的性能,并据此对该网络进行优化。本发明利用了拉普拉斯函数分布中的位置参数能够有效控制深度信念网络稀疏力度的特点,进行了脑电信号的特征提取和分类,可提供无需人工干预的睡眠分期结果,具备较高的分期准确性。
主权项:1.一种基于稀疏深度信念网络的自动睡眠分期方法,其特征在于,包括以下步骤:步骤1,构建数据集:将采集到的脑电信号数据作为稀疏深度信念网络学习的数据集;步骤2,对上述数据集中的脑电信号数据进行预处理;步骤3,基于上述预处理后的脑电信号数据,构建并训练基于拉普拉斯函数的稀疏深度信念网络;步骤4,利用训练好的稀疏深度信念网络,实时对脑电信号数据进行分类,基于该分类完成睡眠分期判断;步骤5,评估所述稀疏深度信念网络的性能,并据此对该网络进行优化。
全文数据:
权利要求:
百度查询: 江苏省中医院 一种基于稀疏深度信念网络的自动睡眠分期方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。